XX SEMEAD Seminários em Administração novembro de 2017 ISSN 2177-3866 A INFLUÊNCIA DOS ÍNDICES SETORIAIS DA BOLSA DE VALORES SOBRE O ÍNDICE IBOVESPA: uma análise estatística-econométrica no período 2015 e 2016 ALEF RODRIGO PEREIRA CENTRO UNIVERSITÁRIO DO SUL DE MINAS (UNIS-MG) [email protected]CLAUDIO SILVA PALMUTI CENTRO UNIVERSITÁRIO DO SUL DE MINAS (UNIS-MG) [email protected]PEDRO DOS SANTOS PORTUGAL JÚNIOR CENTRO UNIVERSITÁRIO DO SUL DE MINAS (UNIS-MG) [email protected]SHELDON WILLIAM SILVA CENTRO UNIVERSITÁRIO DO SUL DE MINAS (UNIS-MG) [email protected]ALESSANDRO FERREIRA ALVES CENTRO UNIVERSITÁRIO DO SUL DE MINAS (UNIS-MG) [email protected]
Transcript
XX SEMEADSeminários em Administração
novembro de 2017ISSN 2177-3866
A INFLUÊNCIA DOS ÍNDICES SETORIAIS DA BOLSA DE VALORES SOBRE O ÍNDICE IBOVESPA: uma análise estatística-econométrica no período 2015 e 2016
ALEF RODRIGO PEREIRACENTRO UNIVERSITÁRIO DO SUL DE MINAS (UNIS-MG)[email protected]
CLAUDIO SILVA PALMUTICENTRO UNIVERSITÁRIO DO SUL DE MINAS (UNIS-MG)[email protected]
PEDRO DOS SANTOS PORTUGAL JÚNIORCENTRO UNIVERSITÁRIO DO SUL DE MINAS (UNIS-MG)[email protected]
SHELDON WILLIAM SILVACENTRO UNIVERSITÁRIO DO SUL DE MINAS (UNIS-MG)[email protected]
ALESSANDRO FERREIRA ALVESCENTRO UNIVERSITÁRIO DO SUL DE MINAS (UNIS-MG)[email protected]
1
A INFLUÊNCIA DOS ÍNDICES SETORIAIS DA BOLSA DE VALORES SOBRE O
ÍNDICE IBOVESPA: uma análise estatística-econométrica no período 2015 e 2016
1. INTRODUÇÃO
A avaliação dos Índices Financeiros por meio de suas técnicas, permitem ao mercado
identificar tendências, além de oportunidades e (ou) ameaças, sejam tanto no contexto
macroeconômico quanto no microeconômico. Em cenários de instabilidade econômica e
política, como ocorrido principalmente em 2015, no auge do escândalo da Petrobrás, a tomada
de decisão com base em informações consistentes obtidas por meio destes índices, permite o
estabelecimento de critérios de investimento, bem como de medidas de proteção, sejam estas
econômicas, financeiras ou político-econômicas.
Essa abordagem rotineiramente, baseia-se na observação dos dados históricos desses
índices, e no estabelecimento de vieses por meio de análises quantitativas e de comparativos
com a real situação do mercado. Elias (2014), evidencia que essas medidas, via de regra, quando
se trata do mercado de ações brasileiro, são fundamentadas na análise de índices amplos para
indicar a valorização de ativos ao longo do tempo.
Entretanto, conforme descrito pelo trabalho de Jubert et al. (2008), para investidores
dedicados de fato ao mercado brasileiro, é o enfoque setorial que possibilita a redução do risco
das carteiras de ativos, e que na evidência de alta volatilidade no mercado, quando os
movimentos de alta e baixa se amplificam, a diversificação com critério em setores se apresenta
como uma alternativa eficiente para minimizar o risco.
Pinheiro (2009), ressalta que o desempenho dos diversos setores é impactado de forma
distinta, visto que as componentes de cada setor possuem um modelo específico de
diferenciação, e um planejamento estratégico especifico. Visaltanachoti; Luo; Yi (2008)
complementam a afirmativa, propondo que o comportamento da volatilidade das componentes
de um mesmo setor é semelhante, devido as condições de risco similares a que estes estão
expostos. Nesse contexto, verifica-se a hipótese de o que mercado tende a ser associado ou até
mesmo influenciado por estes setores.
Neste sentido, este estudo propõe-se a realizar uma análise dos índices de ações do
mercado brasileiro, para determinar o grau de associação, e a existência ou não, de relação
Causal entre o IBOVESPA, que em síntese, visa representar o desempenho médio do mercado,
e os índices setoriais: Índice Financeiro (IFNC), Índice Imobiliário (IMOB), Índice de Utilidade
Pública (UTIL), Índice de Consumo (ICON), Índice de Energia Elétrica (IEE), Índice de
Materiais Básicos (IMAT) e o Índice Industrial (INDX).
O Ibovespa é um índice amplo, considerado um dos principais índices acionários do
mercado brasileiro, cujo o objetivo é refletir o desempenho médio, não só do mercado
financeiro, como também do cenário econômico como um todo. Sua relevância é tema em
diversas pesquisas na literatura, dentre as quais se destacam os trabalhos de: Righi; Ceretta e
Silveira (2013), Jubert et al. (2008) e de Pimenta Junior e Higuchi (2008). Tais estudos
avaliaram a relação entre o Ibovespa e variáveis macroeconômicas, ou ainda, o padrão de
volatilidade entre o Ibovespa e os Índices Setoriais. Entretanto, tais estudos não investigaram
de forma específica as relações de associação e casualidade entre o Ibovespa e os índices
setoriais. Por esta razão, o presente estudo contribui com a literatura e com as discussões sobre
a importância de se conhecer o comportamento dessas variáveis e seu impacto no mercado.
2. FUNDAMENTAÇÃO TEÓRICA
Os índices da BM&FBOVESPA tem por finalidade refletir o desempenho de um
conjunto de ações, revelando o comportamento de determinados grupos de carteiras de ativos
ao longo do tempo, conforme o critério estabelecido para cada índice.
2
Os preços das ações componentes dessas carteiras variam em função de diversos fatores,
sejam estes relacionados às empresas que compõem esses ativos ou a fatores externos, tais
como: crescimento econômico, nível de emprego e taxa de juros. (LEMES JÚNIOR; RIGO;
CHEROBIM, 2016).
Para Jubert et al. (2008, p. 222), há dois tipos de riscos principais aos quais o mercado
de ações está exposto de maneira mais evidente:
[...] identificam-se dois tipos de risco: “sistemático” e “não-sistemático”. Este último
está associado, entre outros fatores, à atividade da empresa, às características do seu
mercado e às condições de financiamento de suas atividades. O primeiro diz respeito
às variações aleatórias observadas no comportamento da economia e é captado pela
volatilidade dos retornos de um ativo em relação ao seu valor médio. Estes dois tipos
de risco conjuntamente compõem o risco total do investimento em ações. A confiança
do investidor tem relação inversa com esta medida, ou seja, quanto maior a
volatilidade, menor o seu grau de confiança e, consequentemente, menos
investimentos serão feitos.
Para Steinbach e Blattmann (2006), índices e indicadores desempenham um papel
importante, tanto no mercado quanto no cotidiano, pois são fontes de informação que atendem
a inúmeras áreas do conhecimento, bem como à tomada de decisão por meio de análises
quantitativas de acordo com suas funções especificas.
Por meio desta perspectiva, conclui-se que a variação do preço dos ativos componentes
da bolsa de valores brasileira, seja qual for sua natureza, tenderá ser ou será refletida no
comportamento de seus índices. Entretanto, Pinheiro (2009), ressalta que o crescimento em
favor da evolução da situação econômica ou de forma mais relevante em função do momento
econômico, influenciará de forma distinta os diversos setores. Portanto, conclui-se a priori, que
uma recorrência no contexto macro evidenciada no mercado financeiro pode ter, como agente
determinante, o comportamento de um setor em específico.
Jubert et al. (2008, p. 224), corrobora com essa prerrogativa: “[...]é intuitivo acreditar
que existam setores ou países mais imunes a crises e que possuam correlação negativa com o
restante do mercado, mas a recente história mostra que o impacto destas crises tem reduzido
tanto o poder da diversificação intersetorial quanto a internacional”.
Visaltanachoti; Luo; Yi (2008), justificam essa análise por meio de uma visão
estratégica. Para os autores, as volatilidades dos preços das ações de um mesmo setor tendem a
sofrer impactos semelhantes em função de estoques, pois estão expostos a riscos similares. Em
síntese, observa-se que distintos setores serão influenciados de forma específica em relação ao
comportamento do mercado.
Por meio desta, justifica-se o critério de seleção e análise acerca do Ibovespa e dos
índices setoriais da BM&FBOVESPA, cuja as finalidades são de captar a expectativas no
contexto macrofinanceiro, bem como por setores por meio de suas metodologias definidas pela
bolsa de valores. Afinal, o Ibovespa é um índice amplo, principal referência no mercado
financeiro, tanto por sua metodologia como tradição, cuja metodologia reflete, em suma, o
comportamento do mercado financeiro como um todo. Já os índices setoriais da
BM&FBOVESPA apresentam como função evidenciar o comportamento individual de cada
setor neste mesmo mercado.
Os índices setoriais da BM&FBOVESPA são:
a) Índice BM&FBOVESPA Financeiro ou Índice Financeiro (IFNC);
b) Índice BM&FBOVESPA Industrial ou Índice Imobiliário (IMOB);
c) Índice BM&FBOVESPA Utilidade Pública ou Índice de Utilidade Pública (UTIL);
d) Índice BM&FBOVESPA Consumo ou Índice de Consumo (ICON);
e) Índice BM&FBOVESPA Energia Elétrica ou Índice de Energia Elétrica (IEE);
f) Índice BM&FBOVESPA Materiais Básicos ou Índice de Materiais Básicos (IMAT);
3
g) Índice BM&FBOVESPA Industria ou Índice Industrial (INDX);
A computação dos Índices é feita por meio de três mensurações: primeiramente, o
cálculo do preço “EX-TEÓRICO”; em segundo, de um indicador de negociabilidade (IN), que
mensura a participação das ações em suas carteiras teóricas, sendo o cálculo reavaliado com
base em um período de negociação compreendido a cada trinta segundos, onde se consideram
os preços dos últimos negócios efetuados no mercado a vista que integram os ativos de sua
carteira; e o por último, a apuração dos índices (BM&FBOVESPA, 2014).
A formula para o cálculo do preço “EX-TEÓRICO”, é dado pela equação a seguir:
𝑃𝑒𝑥 =𝑃𝑐 ∗ (𝑆 ∗ 𝑋) − 𝐷 − 𝐼 − 𝑅𝑒𝑛𝑑 − 𝑉𝑒𝑡
1 + 𝐵 + 𝑆
Onde Pex é o preço ex-teórico; Pc o último preço “com direito” ao provento; S o percentual de
subscrição dado em número-índice; Z valor de emissão da ação a ser subscrita dada em moeda
corrente; D o valor recebido a título de dividendo, em moeda corrente; J o valor de juros sobre
capital próprio, em moeda corrente, sendo líquidos de imposto; Rend os rendimentos em moeda
corrente, líquidos de imposto; Vet o valor econômico teórico resultante do recebimento de
provento em outro tipo e (ou) ativo; e B percentual de bonificação (ou desdobramento), em
número-índice.
O índice de negociabilidade é calculado pela seguinte expressão da seguinte forma:
𝐼𝑁 =
∑ √𝑛𝑎
𝑁3𝑃
𝑖=1 ∗ (𝑉𝑎
𝑉 )2
𝑃
Onde IN é o índice de negociabilidade; na o número de negócios com o ativo (a) no mercado a
vista (lote-padrão); N o número total de negócios no mercado a vista da BM&FBOVESPA
(lote-padrão); va o volume financeiro gerado pelos negócios com o ativo (a) no mercado a vista
(lote-padrão); V o volume financeiro total do mercado a vista da BM&FBOVESPA (lote-
padrão); e P, o número total de pregões no período.
E finalmente, a apuração dos índices é dada conforme a seguinte expressão:
Í𝑛𝑑𝑖𝑐𝑒(𝑡) =𝑉𝑎𝑙𝑜𝑟 𝑡𝑜𝑡𝑎𝑙 𝑑𝑎 𝑐𝑎𝑟𝑡𝑒𝑖𝑟𝑎
𝑅𝑒𝑑𝑢𝑡𝑜𝑟=
(∑ 𝑃𝑖𝑡 ∗ 𝑄𝑖𝑛𝑖=1 )
∞
Sendo que o Índice(t) representa o valor do índice no instante t; n é o número total de
ativos integrantes da carteira teórica que compõe o índice; Pit o último preço do ativo i no
instante t; Qit a quantidade do ativo i na carteira t; e ∞ um redutor utilizado para adequar o valor
total da carteira ao valor de divulgação do índice.
Entretanto, vale ressaltar que são desconsiderados para o cálculo dos índices, ativos de
companhias que se encontram em processo de recuperação judicial ou extrajudicial, regime
especial de administração temporária, intervenção ou que estejam sendo negociados em outras
situações especiais de listagem1.
2.1 Índice Bovespa (IBOV)
O Índice Bovespa (IBOV), ou Ibovespa, é o resultado de uma metodologia aplicada a
uma carteira teórica de ativos que tem por finalidade descrever o desempenho médio dos ativos
com alto de nível de negociação e maior representatividade no mercado brasileiro de ações
1 Para mais detalhes, além de outras informações complementares: acesse o site da BM&FBOVESPA.
4
(BM&FBOVESPA, 2014). Portanto, trata-se do mais importante indicador de desempenho do
mercado de capitais brasileiro.
Ainda segundo a mesma fonte citada, a apuração inicial de índice ocorreu em janeiro de
1968, sendo que no dia 2 desse mesmo mês sua base foi fixada em 100 pontos. Desde então, o
Ibovespa passou por diversas adequações quanto à sua forma de divulgação; as quais,
entretanto, não implicaram em mudanças quanto à sua metodologia. Porém, em 2012, devido à
grande evolução do mercado de capitais brasileiro, a BM&FBOVESPA deu início ao processo
de reavaliação da metodologia do Ibovespa, visando mantê-lo como índice que representa
desempenho do mercado brasileiro com mais exatidão.
Righi; Ceretta; Silveira (2013, p. 255-256), concluem que:
Supõe-se não ter sido efetuado nenhum investimento adicional desde então,
considerando-se somente os ajustes efetuados em decorrência da distribuição de
proventos pelas empresas emissoras. Dessa forma, o índice reflete não apenas as
variações dos preços das ações, mas também o impacto da distribuição dos proventos,
sendo considerado um indicador que avalia o retorno total de suas ações componentes.
[...]. Não obstante, as ações integrantes da carteira teórica do Índice Bovespa
respondem por mais de 80% do número de negócios e do volume financeiro
verificados no mercado à vista da BM&F/Bovespa, bem como são responsáveis, em
média, por aproximadamente 70% do somatório da capitalização bursátil de todas as
empresas com ações negociáveis na BM&F/Bovespa.
Observa-se, portanto, que o Ibovespa exerce a função de indicador médio do
comportamento, não só do mercado financeiro como também do contexto econômico, e que os
impactos sofridos por este não apenas refletem, como também, impactam o mercado como um
todo. Tendo em vista que os índices setoriais da Bolsa de Valores utilizam uma metodologia
semelhante à do IBOV, porém considerando o desempenho médio das cotações dos ativos de
maior negociabilidade e representatividade por setores, observa-se a importância de se
compreender o nível de associação e influência destes sobre o Ibovespa.
2.2 Índice Setoriais
Nesse item apresentam-se os índices setoriais da BM&FBovespa, explicando sua
composição e importância.
O Índice Financeiro (IFNC) consiste em uma carteira teórica de ativos, cujo objetivo é
ser o indicador médio de desempenho das ações de maior representatividade e negociabilidade
nos setores intermediários financeiros, de serviços financeiros diversos, de previdência e
seguros.
Sua base foi fixada em 1000 pontos em 30 de dezembro de 2004, sendo que sua
divulgação foi iniciada em 4 de janeiro de 2010. As ações componentes do índice são
selecionadas pela sua liquidez e ponderadas nas carteiras com base no valor de mercado de suas
ações (BM&FBOVESPA; 2015).
O Índice Imobiliário (IMOB) objetiva ser um representar o desempenho do mercado
imobiliário. É o indicador médio de desempenho, que reflete o comportamento de uma carteira
teórica de ativos cuja as cotações representem maior negociabilidade e representatividade nos
setores da atividade imobiliária: de exploração de imóveis e construção civil.
A base do IMOB foi estabelecida em 1000 pontos em 28 de dezembro de 2007, e foi
inicialmente divulgado em 2 de janeiro de 2009 (BM&FBOVESPA; 2015).
O Índice de Utilidade Pública (UTIL) visa ser o indicador médio de desempenho das
ações de maior representatividade e negociabilidade do setor de utilidade pública, ou seja,
organizações estatais ou privadas de energia elétrica, agua, saneamento e gás. Trata-se,
portanto, de um indicador importante, visto que o setor abrangido pelo índice supre
necessidades básicas.
5
A base do UTIL foi fixada em 1000 pontos em 29 de dezembro de 2005, e o índice
começou a ser divulgado em 2 de maio de 2011 (BM&FBOVESPA; 2015).
O Índice de Consumo (ICON), objetiva ser o indicador médio de desempenho das ações
de maior negociabilidade e representatividade dos setores de consumo cíclico, consumo não
cíclico e saúde. Portanto suas variações podem em tese, refletir o comportamento do
consumidor, o que via de regra, faz desse índice uma poderosa ferramenta para a análise do
mercado.
Sua base foi estabelecida em 1000 pontos em 28 de dezembro de 2007 e sua o índice foi
divulgado inicialmente em 2 de janeiro de 2009 (BM&FBOVESPA; 2015).
O Índice de Energia Elétrica (IEE) representa o desempenho médio das cotações dos
ativos de maior negociabilidade e representatividade no setor de energia elétrica, sendo a
eletricidade a principal fonte de energia do mundo moderno, observa-se a relevância desse
índice.
A base do IEE fixada, foi de 1000 pontos em 29 de dezembro de 1994, e sua divulgação
iniciou-se em 1º de agosto de 1996 (BM&FBOVESPA; 2015).
O Índice de Materiais (IMAT) representa o desempenho médio das cotações dos ativos
do setor de materiais básicos, setor esse muito representativo, pois trata das necessidades dos
demais.
A base do IMAT foi fixada em 1000 pontos em 29 de dezembro de 2005, e sua
divulgação teve início em 2 de janeiro de 2011 (BM&FBOVESPA; 2015).
O Índice Industrial (INDX) é fruto de uma parceria entre a FIESP2 e a BM&FBovespa,
e objetiva estimar o desempenho médio das cotações dos setores de atividade industrial
compreendidos por materiais básicos, bens industriais, consumo cíclico, consumo não cíclico,
tecnologia da informação e saúde.
Sua base foi fixada em 1000 pontos em 30 de dezembro de 1999, e sua divulgação teve
início em 3 de dezembro de 2006 (BM&FBOVESPA; 2015).
Por via de regra, exceto para o IEE que utiliza critérios específicos, as ações
componentes dos índices setoriais são selecionadas pela sua liquidez e ponderadas nas carteiras
com base no valor de mercado de suas ações. São inclusos nos índices: ativos elegíveis que no
período de 3 carteiras, que em ordem decrescente de acordo com o Índice de Negociabilidade
(IN) representarem 99% do somatório total desses indicadores; que tenham presença em 95%
dos pregões nesse mesmo período; não sejam classificados como Penny Stock3; e pertencer aos
setores de abrangência de cada índice em especifico (BM&FBOVESPA; 2014).
Para o ICON, IMAT e INDX existe um critério adicional: ser um ativo objeto de oferta
pública realizado durante o período de vigência de 3 carteiras anteriores ao rebalanceamento
será elegível, mesmo ser estar listado em todo o período (ou seja, estar presente em 95% do
pregão), desde que: i) Oferta Pública de distribuição das ações ou units, tenha sido realizada
antes do rebalanceamento imediatamente anterior; ii) possua 95% de presença desde seu início
de negociação; iii) atenda aos outros critérios mencionados (com exceção ao que se refere ao
mínimo de presença no pregão).
Diferentemente dos outros índices setoriais, cujo tipo é classificado como: de retorno
total; o IEE é um índice de retorno total com retorno no próprio ativo. Nesse caso, é feito um
ajuste considerando que o investidor vendeu as ações pelo último preço do fechamento, sendo
este anterior ao início da negociação do ex-provento e que tenha utilizado os recursos na compra
das mesmas ações sem o ex-provento.
Assim, é utilizada uma fórmula para o cálculo da alteração da quantidade teórica quando
a distribuição de proventos (ex-provento).
2 Federação das Indústrias do Estado de São Paulo. 3 Ativos cuja cotação é inferior a R$ 1,00.
6
𝑄𝑛 = 𝑄𝑜 ∗ 𝑃𝑐
𝑃𝑒𝑥
Onde Qn é a quantidade nova; Qo; a quantidade antiga; Pc o último preço de fechamento anterior
ao início da negociação ex-provento; e Pex o preço ex-teórico com base em Pc.
Para compor o índice, os ativos devem: ter participação em volume financeiro maior ou
igual a 0,001% do mercado a vista no período vigente de 3 carteiras anteriores; ter presença no
pregão de 80% nesse mesmo período; ter apresentado no mínimo 2 negócios por dia em pelo
menos 80% dos pregões em que as ações desses ativos foram negociadas; período; não ser
classificado como Penny Stock; e pertencer aos setores de abrangência do índice
(BM&FBOVESPA; 2014).
3. METODOLOGIA
Para analisar a relação de associação bem como de influência entre os índices setoriais
e o Ibovespa foram utilizados testes de correlação, significância, além de uma análise
econométrica de casualidade. Os dados utilizados nesse estudo são secundários, já que se tratam
de informações coletadas previamente para fins diferentes que os objetivos em questão.
Segundo Gressler (2004), a fonte secundaria é aquela que não possui relação direta com o
acontecimento registrado, a não ser por meio de intermediários. As fontes de dados foram a
Exame e a BM&FBovespa.
Os resultados foram estimados com base na análise das variações diárias de cada índice
no período compreendido entre 2015 e 2016, totalizando uma amostra de 496 observações. As
análises formuladas foram pautadas tanto no caráter empírico, quanto quantitativo, tendo em
vista que além da obtenção dos resultados de associação e casualidade, optou-se também pela
análise das médias e desvios anuais das amostras a fim de enriquece-las, bem como a
fundamentação ou aversão aos resultados obtidos por meio de comparativos com a literatura.
Para tanto, utilizou-se os softwares: IBM SPSS Statistics 21, Microsoft Excel 2013 e
Eviews 9. Foi identificada a presença de alguns outliers que podem ser explicados pela
instabilidade política e econômica que se instaurou no período analisado. Entretanto, a execução
do teste em um número de amostras significativo, reduz influência desses resíduos, mesmo que
seja da natureza do coeficiente de correlação linear ser sensível a este tipo de intempérie.
Para Figueiredo Filho; Silva Junior (2010), pelo aspecto metodológico, há várias formas
de se contornar esse problema, sendo uma das mais eficientes a utilização de uma quantidade
expressiva de amostras, o que justifica a metodologia empregada nesse estudo. A fim de facilitar
a interpretação dos resultados, segue uma breve descrição dos métodos de análise de associação
e casualidade.
3.1 Coeficiente de Correlação de Pearson
A medida de associação entre o Ibovespa e os índices setoriais foi obtida por meio do
coeficiente de correlação de Pearson, também conhecido como coeficiente de correlação
simples, cujo o enfoque principal é medir o grau de associação linear entre duas variáveis
distintas (X e Y) (FIGUEIREDO FILHO; SILVA JUNIOR, 2010). Por meio desta, é possível
verificar a existência ou não, de relação linear entre essas variáveis, e em sequência, calcular o
grau de associação existente.
Conforme descrito por Guimarães (2013), a expressão para o cálculo do coeficiente de
correlação de Pearson pode ser dada da seguinte forma:
7
𝑟 = ∑(𝑥𝑖 − ��)(𝑦𝑖 − ��)
√(∑(𝑥𝑖 − ��)2) (∑(𝑦𝑖 − ��)2)
Sendo r o coeficiente de correlação linear de Pearson, x e y as médias das variáveis, e xi
e yi os valores das variáveis ao longo do tempo i (GUIMARÃES, 2013). O coeficiente apresenta
resultados que variam de -1 a 1, sendo que o sinal indica se o direcionamento é positivo ou
negativo. O valor 0, indica ausência de correlação. “[...]o certo é que quanto mais perto de 1
(independente do sinal) maior é o grau de dependência estatística linear entre as variáveis. “
(FIGUEIREDO FILHO; SILVA JUNIOR, 2010, p.120). Um resultado negativo indicara uma
tendência de associação inversa, ou seja, a medida que uma variável X aumenta o seu valor,
outra Y terá seu valor diminuído, dependendo do grau de associação.
A força ou magnitude desse relacionamento é determinada com base no valor obtido.
Existem diversos critérios na literatura para se determinar a magnitude do relacionamento entre
duas variáveis. Este trabalho utilizou a metodologia proposta por Dancey; Reidy (2005), o
quadro 1 determina as margens que podem ser obtidas por meio do coeficiente de correlação
de Pearson, e suas respectivas classificações.
Quadro 1: Classificação da correlação quanto à força ou magnitude
Correlação Obtida Força ou Magnitude
0,10 até 0,39 Fraco
0,40 até 0,69 Moderado
0,7 até 1 Forte
Fonte: baseado em Dancey; Reidy (2005)
Após o cálculo da correlação, deve-se verificar sua significância a fim de valida-la, ou
rejeita-la. Conforme descrito por Guimarães (2013), para verificar o índice de significância do
teste de correlação, pode-se utilizar a seguinte equação:
𝑡𝑐 =𝑟√𝑛 − 2
√1 − 𝑟2
Dadas as seguintes Hipóteses:
H0: p valor = 0 (Não há associação linear entre as variáveis)
H1: p valor ≠ 0 (Há associação linear entre as variáveis)
Onde r é o coeficiente de correlação linear de Pearson e n o número de amostras. Determina-se
(p – valor), comparando o valor tc com t (valor obtido pela tabela t-student)4, considerando-se
n - 2 graus de liberdade para tc, conforme evidenciado na equação. Se tc > t, devemos rejeitar a
hipótese nula. Entretanto, se a hipótese nula (H0), for rejeitada, dado um nível de significância
∞, aceita-se a hipótese alternativa (H1), ou seja, a correlação é dada como significativa
(GUIMARÃES, 2013).
É possível, comparar a correlação obtida para dois ou mais pares de variáveis. De
maneira geral, a definição de r diz que 100r2, é o percentual de relações y’s que é (são) explicada
4 A variável t, equivale ao valor t-student (que pode ser obtido ao se consultar a tabela. Para mais informações,
acessar: http://www.ufpa.br/dicas/biome/biopdf/bioreg.pdf), conforme descrito por Guimarães (2013). Este
trabalho optou pela obtenção do p-valor com base na comparação de tc por meio do software Microsoft Excel 2013.
8
(s) por x’s (FREUND; SIMON, 2000). Assim, é um erro estimar que dada uma correlação de
0,6, e outra de 0,3, concluir que primeira é duas vezes mais forte que a segunda. Portanto, a
metodologia adequada para efeito de comparação, é:
100%(0,6)2 = 36%
100%(0,3)2 = 9%
Ao efetuar a divisão entre 0,36 por 0,09, conclui-se que a primeira correlação, cujo valor
é de 0,6, é 4 vezes mais forte do que o valor da segunda, de 0,3.
3.2 Casualidade de Granger
Para identificar as relações entre o Ibovespa e os índices setoriais, utilizou-se também,
o teste de relação causal. Como relatado pela literatura, correlação não implica necessariamente
em causa (MATOS; 2000). Além disso, para Figueiredo Filho e Silva Junior (2009), não se
aplica distinção de casualidade simples ou recursiva por meio da correlação, ou seja,
dificilmente pode-se afirmar quem varia em função de quem.
O teste de casualidade de Granger é uma técnica econométrica cuja função é estimar se uma
variável X causa Y, ou se Y causa X. Além disso, pode-se concluir por meio do teste que X não
causa Y, ou que Y não causa X (MATOS; 2000).
Para se testar a casualidade de Granger entre as Variações do Ibovespa (VIBOV) e as
Variações dos Índices Setoriais (VISETOR), foram estimadas as seguintes equações:
𝑉𝐼𝐵𝑂𝑉 = 𝑎 + ∑ 𝑏𝑖
𝑛
𝑗=1
𝑉𝐼𝐵𝑂𝑉𝑡−𝑖 + ∑ 𝑐𝑗𝑉𝐼𝑆𝐸𝑇𝑂𝑅𝑡−𝑗
𝑛
𝑖=1
+ 𝜇𝑡
𝑉𝐼𝑆𝐸𝑇𝑂𝑅 = 𝑐 + ∑ 𝑑𝑖𝑉𝐼𝑆𝐸𝑇𝑂𝑅𝑡−𝑖 + ∑ 𝑒𝑗𝑉𝐼𝐵𝑂𝑉𝑡−𝑗
𝑛
𝑖=1
+ ɯ𝑡
𝑛
𝑖=1
Onde a e c são constantes, µt e ɯt são distúrbios aleatórios. Assim seja a hipótese nula (H0): se
os coeficientes c1 = c2 = cj = 0 (primeira equação), então VISETOR não causa no sentido de
Granger VIBOV; entretanto seja a hipótese alternativa (H1): se os coeficientes c1 = c2 = cj ≠ 0
(primeira equação), então VISETOR causa no sentido de Granger VIBOV. Observando a outra
perspectiva, seja a hipótese nula (H0): e1 = e2 = ej = 0 (segunda equação), então VIBOV não
causa VISETOR; porém seja a hipótese alternativa (H1): e1 = e2 = ej ≠ 0 (segunda equação),
logo, VIBOV causa no sentido de Granger VISETOR.
Conforme relatado pela literatura, é importante que as séries analisadas sejam
estacionárias, pois caso o contrário, os resultados obtidos por meio da análise podem ser
espúrios (MATOS, 2000). Para verificar a estacionariedade das séries este estudo utilizou o
teste de raiz unitária de Dickey & Fuller Aumentado (ADF), cuja a finalidade é verificar se as
séries são estacionárias em nível (valores originais), em primeira diferença ou em segunda
diferença. Os níveis de significância adotados nos modelos econométricos (p – valor), foram
de 0,01, 0,05 e 0,10, sendo que as hipóteses alternativas foram aceitas quando os níveis de
significância obtidos forem menores que os adotados. O número de defasagens (lags) adotado
para as análises econométricas foi obtido com base em rigorosos critérios: de Akaik (AIC) e
Shwarz (SC)5.
5 Na evidência de resultados distintos entre esses dois critérios, utilizou-se o critério da parcimônia, ou seja, optou-
se em adotar o critério que apresentou o menor número de lag’s. Para mais informações, ler: MATOS (2000).
9
4. RESULTADOS
4.1 Testes de Correlação
A análise de correlação permite identificar o grau de associação existente entre cada
índice setorial em relação ao Ibovespa. Foi utilizado o teste de correlação de Pearson, além dos
testes de significância, considerando-se ∞ = 0,01. Os resultados obtidos são descritos na tabela
1 a seguir:
Tabela 1: Correlações entre os Índices setoriais e o Ibovespa
Fonte: elaborado pelos autores.
Nota: **Indica que a correlação é significativa.
Todas as correlações obtiveram (p ≠ 0). Portanto a hipótese nula (H0) é rejeitada, ou
seja, a correlação entre todos os índices é significativa.
Foram calculadas as médias da volatilidade dos índices e seus respectivos desvios por
período, ou seja, individualmente para 2015 e 2016. A tabela 2 abaixo apresenta os resultados
Supõe-se que a média da volatilidade de cada índice tende a representar o retorno
esperado para os ativos do setor representado por cada índice, tendo em vista que a natureza da
composição dos índices de refletir seu comportamento. O grau de volatilidade apresentado pelo
Ibovespa nos períodos de 2015 e 2016 foram de -0,0474 e 0,1462, e os desvios, 1,46776 e
1,67874 respectivamente. Com base nesse comportamento, avaliou-se sua associação em grau
com os índices setoriais, as possíveis causas e impactos dessas variáveis sobre o Ibovespa.
Com base no teste de correlação, verificou-se que o índice Financeiro (IFNC) foi a
variável que apresentou maior grau de associação em relação ao Ibovespa (IBOV): (r = 0,931),
sendo positiva e podendo ser considerada forte. O que é teoricamente sustentável, pois como o
IFNC compreende uma carteira composta de ativos das principais instituições financeiras, logo
qualquer impacto no mercado tenderá a afetar primeiramente o preço dos ativos, e
consequentemente o mercado financeiro em primeira instância.
Ao se analisar a volatilidade do índice para cada ano, em 2015 o IFNC apresentou maior
desvio-padrão dentre as demais variáveis correlacionadas: de 1,74, sendo que sua volatilidade
média para mesmo período foi de -0,385. Em 2016, apresentou o segundo maior desvio: de
1,97. Entretanto, nesse ano a volatilidade média do período saltou para 0,1743, ou seja, variou
cerca de 554% em relação ao ano anterior.
Com base nos desvios e dada correlação positiva entre os índices, verifica-se em 2015,
que a queda das carteiras compostas principalmente de ativos de organizações ligadas ao setor
financeiro, teve impacto negativo sobre o Ibovespa, dada a volatilidade predominantemente
negativa. Em contrapartida, a volatilidade média do índice em 2016 foi positiva. Além disso, a
queda do desvio nesse mesmo período, ou seja, o comportamento da variação do preço desses
ativos mostrou-se mais homogêneo, se comparado ao período anterior. Todo esse
comportamento pode ser justificado se levado em conta que, na transição entre esses períodos,
observou-se um contexto político-econômico instável e repleto de incertezas, oriundos
principalmente de escândalos como o da Petrobrás.
Jubert et al (2008), em um estudo acerca do padrão de volatilidade entre os índices
setoriais e o índice Ibovespa por meio de análises econométricas baseadas em variantes do
modelo ARCH6, corrobora com os resultados apresentados. O estudo também observou
tendência de associação entre os índices setoriais e o Ibovespa, além de ter concluído que o
impacto da volatilidade dos índices setoriais sobre o Ibovespa tende a ser ainda mais relevante
em variações negativas, e menos intensificada nas positivas.
Por meio desta perspectiva, subentende-se que diante do grau de correlação entre o
Ibovespa e esse indicador, o impacto da volatilidade no contexto macro foi mais influente em
2015. Portanto, verifica-se a importância de se conhecer o grau de influência entre esses
indicadores para os agentes financeiros e econômicos, visto que as ações executadas por estes
no mercado financeiro propriamente dito, que é o principal componente das carteiras que
compõem o IFNC, visam o ganho e (ou) proteção em função de estimativas.
O segundo Índice mais influente em relação ao Ibovespa foi o ICON. Tendo apresentado
correlação positiva: (r = 0,861), também considerada forte. A volatilidade média entre os
períodos de 2015 e 2016 cresceu de -0,0219 para 0,0583, caracterizando, portanto, o aumento
do retorno esperado. Como o ocorrido com Índice Financeiro em 2015, a volatilidade negativa
tendeu a desestabilizar o Ibovespa, dada sua correlação positiva. O comportamento do desvio,
entretanto, apresenta uma relação de contraste se comparado com o observado no IFNC (Tabela
2). Visto que o desvio não teve aumento significativo, ou seja, o comportamento da variação
do preço dos ativos desse setor manteve-se dentro de um certo padrão.
6 ARCH (Autoregressive conditional heteroskedasticity), ou modelos auto regressivos com heterocedasticidade
condicional. Foram introduzidos por Engle (1982), com propósito de estimar a inflação. Para mais informações,
ler Morettin (2008).
11
Esse comportamento deriva da natureza das principais carteiras que compõe o ICON,
as do setor de consumo e saúde. Tendo em vista que a saúde, bem como alguns componentes
do índice como setor de alimentos são essenciais para a população (PINHEIRO,2009). Assim,
dado grau de associação entre o Ibovespa e esse índice, verifica-se que o ICON desempenha
um papel importante, principalmente no setor financeiro, dado seu alto grau de associação com
o Ibovespa.
Por conseguinte, o Índice Industrial (INDX) foi o único a apresentar queda em sua
volatilidade média. A correlação obtida para o índice foi: (r = 0,809). Vale ressaltar que dentre
os índices Setoriais, este foi o que apresentou menor desvio para os dois períodos, mesmo este
tendo aumentado entre 2015 e 2016. Ao contrário do observado para os outros índices, em 2015
o índice apresentou volatilidade predominantemente positiva, portanto tendeu a impactar
positivamente o Ibovespa. Com base em seu desvio, subentende-se que a variação do preço dos
ativos derivados de indústrias apresentou, em suma, comportamento heterogêneo na transição
entre os períodos. Como houve queda da volatilidade média, ou seja, a variação do preço dos
ativos desse setor diminuiu, apesar de ainda ter-se mantido positiva. Portanto, observa-se que
em contextos economicamente instáveis, os agentes financeiros e econômicos tendem a reduzir
seus investimentos nos grupos componentes desse setor7, e dado que o Ibovespa está altamente
correlacionado com o índice, conclui-se que o mercado, e consequentemente o Ibovespa, são
muito sensíveis a este comportamento.
O trabalho de Jubert, et al (2008), obteve um coeficiente de correlação superior para o
INDX em relação ao Ibovespa: de (r = 0,986). É importe analisar que o contexto
macroeconômico do estudo avaliou o período antecedente a crise de 2008, originada nos
Estados Unidos (EUA)8.
Utilizando-se da metodologia proposta por Freund e Simon (2000), pode-se estabelecer
um comparativo entre o grau de associação entre as correlações obtidas para o INDX. Assim
obtêm-se:
100%(𝑟2)
100%(0,809)2 ≅ 65,44%
100%(0,986)2 ≅ 97,22%
Logo, pode-se estabelecer a relação entre as correlações por meio da razão dos valores
obtidos, obtendo a diferença real entre as correlações:
0,9722
0,6544
≅ 1,4856
Ou seja, o grau de associação obtido no trabalho de Jubert et al. (2008), é
aproximadamente 1,49 vezes mais forte se comparado a correlação obtida no presente estudo.
Assim, subentende-se que desse período em diante, o setor industrial vem sendo
amplamente afetado, e que a queda do grau de correlação entre esses períodos pode ser
interpretada como uma adaptação do mercado financeiro à alta sensibilidade do setor Industrial
7 Geralmente as indústrias tendem a produzir bens de capital, esses grupos de setores tendem a atingir seu pleno
potencial apenas na etapa de solidificação de uma economia (PINHEIRO,2009). 8 A crise de 2008 teve como alicerce o problema de inadimplência dos subprimes (se tratavam de financiamentos
imobiliários norte-americanos de alto risco), cujo impacto provocou a quebra de várias bolsas de valores, além de
outras instituições financeiras, dentre elas a Bolsa de Nova York (New York Stock Exchange ou NYSE), abalando
economias em todo o mundo, consequência do intenso processo de globalização que vem se instaurando desde a
virada do século, bem como da ascensão do dólar como principal moeda internacional.
12
a recessões, tendo em vista que desse período em diante, por efeito do processo de globalização,
mercados distintos foram influenciados por outras recessões, como a da Grécia por exemplo.
Em síntese, o comportamento do índice diminuiu sua tendência de associação com o Ibovespa
nos últimos anos.
Para o índice Imobiliário (IMOB), foi obtido um coeficiente de correlação de (r =
0,803). A média da volatilidade obtida foi a menor dentre os índices em 2015, de – 0,804, tendo
variado para 0,1259. Em contrapartida o desvio apresentou queda entre 2015 e 2016, de 1,59
para 1,55 aproximadamente. Pode-se deduzir com base nesses dados que o setor imobiliário
tende a auferir grande impacto no mercado financeiro, e que no período analisado o valor dos
ativos cresceu abruptamente. Entretanto a variação dos desvios não aufere homogeneidade na
variação dos preços dos ativos componentes, pois observa-se que o valor é semelhante apenas
em módulo, sendo positivo. Ou seja, o setor imobiliário auferiu grande impacto no Ibovespa,
mas os choques nas variações se apresentaram semelhantes. Em suma, nesse caso específico,
esse comportamento vai contra o padrão proposto pelo estudo de Jubert et al., que pregava que
os impactos em casos de volatilidade negativa seriam em tese, superiores aos de volatilidade
positiva. (JUBERT; et al, 2008)
O Índice de Utilidade Pública (UTIL), apresenta uma correlação um pouco inferior: (r
= 0,796). Dos índices, foi o que apresentou maior média de volatilidade em 2016, ou seja,
retorno esperado positivo: 0,1846. Uma grande evolução se comparado a 2015 onde a média da
volatilidade se apresentou negativa: - 0,0359. Entretanto, sabe-se que dada a correlação
positiva, houve tendência de impacto negativo sobre o Ibovespa em 2015. Os desvios também
revelam homogeneidade no comportamento da variação do preço desses ativos na transição
entre os períodos analisados. Entretanto, o resultado da correlação faz concluir que,
independentemente do comportamento da variação do preço dos ativos, o setor tende a provocar
impactos significativos no Ibovespa, visto que sua correlação é forte.
O Índice de Energia Elétrica (IEE) apresentou correlação de: (r = 0,787). A média da
volatilidade saltou de -0,0266 para 0,1621, sendo que seu desvio cresceu cerca de 6%. Ou seja,
os ativos das companhias que compõe o setor impactaram o IBOV em 2015, dado o grau de
associação obtido por meio da correlação. Vale também observar que o estudo de Jubert, et al
(2008), identificou uma correlação de (r = 0,956).
Utilizando novamente a metodologia proposta por Freund e Simon (2000):
100%(0,787)2 ≅ 61,93%
100%(0,956)2 ≅ 91,39%
0,9139
0,6193
≅ 1,4756
De forma análoga ao ocorrido com o INDX, o setor vem sendo influenciado pelo
mercado desde a crise de 2008. A correlação obtida em 2008 é aproximadamente 1,48 vezes
mais forte do que a atual. Pode-se concluir que, semelhante ao ocorrido com o setor Industrial,
o impacto do índice sobre Ibovespa apesar de significativo, tem diminuído nos últimos anos.
O índice de Materiais (IMAT) foi o que apresentou menor correlação com o Ibovespa:
(r = 0,641), considerada moderada. Sua volatilidade média aumentou de 0,0085 em 2015 para
0,1440 em 2016, ou seja, o impacto das componentes do índice sobre o Ibovespa foi positivo
nos dois períodos. O destaque para esse índice é o desvio padrão, que em 2015 foi o segundo
maior: de 1,71. Em 2016, apresentou o maior desvio, de 2,35 aproximadamente, um valor
extremamente elevado se comparado a outros índices. Pode-se presumir então que no contexto
13
analisado, as carteiras de ativos que compõe o IMAT apresentam menor homogeneidade nas
variações de seus preços, se comparado os outros índices. Portanto, seu impacto sobre o
Ibovespa tende a ser um dos mais imprevisíveis.
4.2 Teste de Casualidade de Granger
O passo inicial para aplicação do teste de casualidade, bem como de qualquer outra
análise econométrica é verificar se as séries são estacionárias. As estatísticas de Durbin-
Watson9 também apresentaram resultados satisfatórios. Portanto, aceita-se a hipótese nula (H0
= sem ausência de correlação), conforme descrito por Matos (2000), ou seja, não há correlação
serial presente nas séries. O teste de Dickey-Fuller Aumentado (ADF), foi realizado com o
objetivo de verificar a validade da hipótese nula definida para as variáveis (IBOV, ICON, IEE,
IMAT, INDX, IFNC, IMOB).
H0 = A série é não-estacionária.
H1 = A série é estacionária.
Tabela 3: Resultado dos Testes ADF – séries em nível
LAG (s) t-Estatística
(NÍVEL) 1%*** 5%** 10%*
IBOV 0 -21,19610*** -3,976742 -3,418944 -3,132019
ICON 0
-22,22808*** -3,976742 -3,418944 -3,132019
IEE 0 -19,88244*** -3,976742 -3,418944 -3,132019
IMAT 0
-20,88017*** -3,976742 -3,418944 -3,132019
INDX 0 -22,84783*** -3,976742 -3,418944 -3,132019
IFNC 0
-21,17667*** -3,976742 -3,418944 -3,132019
IMOB 0
-20,60577*** -3,976742 -3,418944 -3,132019
Fonte: elaborado pelos autores.
Obs: ***, **, * Reportam o grau significância de t-estatística: 1%, 5% e 10% respectivamente.
O resultado dos testes ADF, determinam que todas as séries: Ibovespa (IBOV), índice
de Consumo (ICON), Índice de Energia Elétrica (IEE), Índice de Materiais (IMAT), Índice
Industrial (INDX), Índice Financeiro (IFNC) e índice Imobiliário (IMOB); são significativas a
nível (valores originais) de 1%. Dado que os níveis de significância obtidos são menores que
os adotados (p-valor < 0,01; 0,05 e 0,10), rejeita-se a hipótese nula (H0). Portanto, aceita-se a
hipótese alternativa (H1). Logo, as séries são estacionárias, ou seja, sem existência de raiz
unitária.
Depois de verificada a estacionariedade, foi aplicado o teste de casualidade de Granger.
O teste determina se o comportamento de um índice setorial influencia o Ibovespa. Verificou-
9 Com base na tabela de valores críticos de Durbin-Watson e no número de amostras foram determinados: (dL =
1,78643; dU = 1.79457). Assim: (4 – dL = 2,21357) e (4 – dU = 2,20543). Os valores obtidos para as estatísticas
de Durbin-Watason (d) para séries variaram de: 1,997317 a 2,009863. Assim todas as estatísticas das séries
mostraram-se compreendidas entre (dU e (4 – dU)), ou seja, aceita-se a hipótese nula (H0: r = 0 [ausência de
autocorrelação]) e descarta-se a hipótese alternativa (H1: r ≠ 0 [presença de autocorrelação]). Para mais
informações, ler: MATOS (2000). Tabela dos valores críticos disponível em:
http://web.stanford.edu/~clint/bench/dwcrit.htm
14
se então a existência e o direcionamento da casualidade nas séries, conforme evidenciado na
tabela 4.
Tabela 4: Teste de Casualidade de Granger nas séries: IBOV, ICON, IEE, IMAT, INDX, IFNC, IMOB e UTIL.
Hipótese Nula (H0): F - Estatística Prob. Lag (s) *
ICON não causa no sentido de Granger IBOV 4,60752 0,0323 1
IBOV não causa no sentido de Granger ICON 1,28058 0,2583
IEE não causa no sentido de Granger IBOV 0,35214 0,5532 1
IBOV não causa no sentido de Granger IEE 0,06105 0,8050
IFNC não causa no sentido de Granger IBOV 0,02547 0,8733 1
IBOV não causa no sentido de Granger IFNC 1,00837 0,3158
IMAT não causa no sentido de Granger IBOV 0,21779 0,6409 1
IBOV não causa no sentido de Granger IMAT 0,05622 0,8127
IMOB não causa no sentido de Granger IBOV 0,02048 0,8863 1
IBOV não causa no sentido de Granger IMOB 0,61446 0,4335
INDX não causa no sentido de Granger IBOV 9,42979 0,0023 1
IBOV não causa no sentido de Granger INDX 0,73779 0,3908
UTIL não causa no sentido de Granger IBOV 0,19847 0,6562 1
IBOV não causa no sentido de Granger UTIL 0,06654 0,7966
Fonte: elaborado pelos autores.
Obs: (*) = Número ótimo de defasagens.
Os resultados demonstram que dos sete índices analisados, não existem relações de
casualidade no sentido de Granger entre 5 pares de variáveis (relação causal entre VISETOR e
VIBOV): IEE e IBOV, IFNC e IBOV, IMAT e IBOV, IMOB e IBOV e UTIL e IBOV. Em
suma, para esses pares de índices foi aceita a hipótese nula (H0). Portanto conclui-se que 71,42%
dos índices setoriais não exercem relação de casualidade com o Ibovespa. Todavia, foi
verificada a existência de casualidade no sentido de Granger para os pares: (ICON e IBOV) e
(INDX e IBOV), ou seja, as variações do índice de Consumo e do Índice Industrial refletem
influência sobre o Ibovespa. No caso da relação causal entre VIBOV e VISETOR, observa-se
que o Ibovespa não causou no sentido de Granger nenhum dos índices setoriais, ou seja, o IBOV
15
não exerce influência sobre: IFNC, IEE, IMAT, UTIL, IMOB, ICON ou INDX. Por meio dos
resultados obtidos, observa-se que houve, portanto, casualidade unidirecional (ICON causa
IBOV, INDX causa IBOV).
O teste de casualidade demostrou que dentre os índices setoriais, apenas dois deles
(ICON e INDX) causam reflexo no Ibovespa. Tais resultados corroboram com a literatura. Para
Pinheiro (2009), setores que cobrem necessidades primárias, como por exemplo: alimentação;
são menos sensíveis a mudanças no ciclo econômico, portanto no caso de uma recessão os
investimentos tendem a ser direcionados para esses setores. Observado que boa parte das
componentes dos setores de consumo e industrial enquadram-se nesse perfil, conclui-se que de
fato esses setores são influentes para o Ibovespa nesse aspecto.
Entretanto, há também grupos de setores sensíveis a taxa de juros, que são impactados
principalmente pela alta da inflação, como é caso das indústrias automobilísticas (PINHEIRO,
2009). Dado que, tanto do setor de consumo quanto o industrial também são compostos por
empresas que apresentam essa característica, confirma-se, portanto, a influência desses setores
sobre o Ibovespa.
5 CONCLUSÃO
No presente estudo, através da utilização do teste de correlação linear de Pearson e do
teste causal de Granger, buscou-se analisar as relações de associação e de casualidade entre o
Índice da Bolsa de Valores de São Paulo (IBOVESPA); e os índices setoriais da
BM&FBovespa: Índice Financeiro (IFNC), Índice Imobiliário (IMOB), Índice de Utilidade
Pública (UTIL), Índice de Consumo (ICON), Índice de Energia Elétrica (IEE), Índice de
Materiais Básicos (IMAT), Índice Industrial (INDX); alguns dos principais índices de ações do
mercado brasileiro, no período compreendido entre 2015 e 2016. A análise do comportamento
desses índices são um importante instrumento na tomada de decisões dos agentes financeiros e
econômicos.
A análise das correlações entre o Ibovespa e os índices setoriais revelou que
praticamente todos os índices setoriais, com exceção do IMAT, apresentaram forte relação de
associação com o Ibovespa. Além disso, observou-se que em 2015 o retorno médio dos ativos
componentes dos índices mostrou-se negativo, dado o alto grau de associação, aufere-se em
primeira análise, que estes afetaram negativamente o Ibovespa, com exceção do INDX e IMAT
que apresentaram retorno médio esperado positivo. Em 2016, verifica-se elevação significativa
do retorno esperado, exceto para o INDX, o qual foi o único a demonstrar queda nesse período.
Além disso, verifica-se que tanto o INDX quanto o IEE, vêm diminuindo seu grau de associação
com o Ibovespa nos últimos anos.
Os resultados do teste de casualidade de Granger revelaram, porém, que dos índices
setoriais, apenas o ICON e o INDX exercem influência sobre o Ibovespa, sendo que IBOV não
exerce causa sobre nenhum dos índices setoriais. Dessa forma, conclui-se que em 2015, de fato,
os setores de consumo (que derivam do ICON), exerceram impacto negativo sobre o Ibovespa,
e que em 2016 houve significativa recuperação e estimulo do mercado por parte deste setor. As
analises também permitem auferir que as componentes do INDX desempenharam um
importante papel em 2015 sobre o Ibovespa, dado seu retorno médio positivo, mas que, porém,
em 2016 apresentou desempenho mais tímido. De maneira geral, observa-se que em um
contexto macroeconômico de recessão o setor industrial apresenta maior resistência, e que em
um cenário de recuperação econômica o ICON desempenha um papel de grande importância.
Portanto verifica-se que o maior impacto sobre o Ibovespa advém do setor de consumo.
Por fim, conclui-se também que, como o Ibovespa não exerce influência sobre nenhum
setor, as relações de associação entre os demais setores não representam influência sobre o
índice. Finaliza-se este estudo, sugerindo que novos estudos sejam realizados, sejam por meio
de análises quantitativas ou empíricas, fornecendo mais informações sobre o mercado acionário
16
brasileiro e sobre o comportamento dos índices frente as variáveis macroeconômicas e político-
econômicas, identificando por meio destas, vieses que possam vir a justificar a associação
desses índices.
REFERÊNCIAS BIBLIOGRÁFICAS
BOLSA DE VALORES, MERCADORIAS E FUTUROS DE SÃO PAULO
